지난 11월 11일, Liquid 심화 문법과 Connected Content 활용법을 중심으로 브레이즈 부트캠프가 진행되었습니다. 이번 세션은 기본적인 개인화 태그를 넘어, 복잡한 조건 처리와 외부 API 연동을 통해 더욱 정교한 개인화 메시지를 구현할 수 있는 심화 방법을 다루었습니다.

‍

Braze를 더욱 효과적으로 활용하고 CRM 마케팅을 고도화하고자 모인 많은 실무자 분들과 함께한 생생한 현장을 만나보세요.

‍

세션 1: Liquid 심화 문법 및 실습

‍

첫 번째 세션에서는 Liquid의 고급 문법과 실무 활용법을 중심으로 진행되었습니다. 실무에서 자주 마주치는 시나리오를 직접 설계하며, 기본적인 개인화 태그를 넘어 조건문(if), 반복문(for), 다양한 필터(date, capitalize, split 등)를 활용해 더 정교한 메시지를 구성하는 방법을 배웠습니다.

‍

실습에서는 고객의 구매 이력에 따라 추천 상품을 다르게 표시하고, 배열 데이터를 반복문으로 처리하며, 날짜 형식을 변환하는 작업을 직접 수행했습니다. 참여자들은 조건 분기, 배열 순회, 필터 적용 등 Liquid의 핵심 기능을 실제 메시지에 적용하면서 실무 감각을 키울 수 있었습니다.

‍

세션 2: Connected Content 활용 및 실습

두 번째 세션에서는 Connected Content를 통해 실시간 데이터를 활용한 개인화를 다뤘습니다. 이 기능을 활용하면 실시간 재고 확인, 날씨 정보 연동, AI 기반 상품 추천, 최신 콘텐츠 자동 업데이트 등 브레이즈에 저장되지 않은 외부 데이터를 메시지에 활용할 수 있습니다.

‍

‍

실습에서는 실제 API를 호출하고, 응답으로 받은 JSON 데이터에서 필요한 값을 추출해 메시지를 구성하는 과정을 직접 진행했습니다. 상품 추천 API를 호출해 고객별 맞춤 추천 상품 목록을 가져온 뒤, 각 상품의 이름, 가격, 이미지를 메시지에 동적으로 표시하는 방법을 배웠습니다.

‍

2025년 브레이즈 부트캠프를 마무리하며

‍

2025년 마지막 일정으로 진행된 브레이즈 부트캠프가 성황리에 종료되었습니다. 이번 부트캠프에서는 Liquid의 고급 문법부터 Connected Content를 활용한 실시간 데이터 연동까지, CRM 개인화의 핵심 기능을 실무 중심으로 다뤘습니다.

‍

마티니는 브레이즈의 국내 공식 파트너사로서, 앞으로도 실무에 바로 적용할 수 있는 구체적인 방법론과 노하우를 제공하는 교육을 지속적으로 운영할 예정입니다.

‍

데이터 기반 마케팅을 시작하고 싶다면 지금 바로 마티니를 만나보세요.

‍

브레이즈 도입 및 활용을 고민하고 있다면? 지금 브레이즈 한국 공식 파트너사, 마티니에게 도움을 받아보세요. 컨설팅 문의하기 마티니 더 알아보기

‍

‍

Braze Bootcamp - Pesonalization 심화

주최 | Martinee ✕ Braze

일시 | 2025년 11월 11일 (화) 15 - 17시

장소 | 삼성 저스트코타워 3F

‍

‍Amplitude AI Agents

오늘날 수많은 AI 제품이 나왔지만, 데이터를 수집하고 해석하는 과정은 여전히 수동적이고 시간이 많이 소요됩니다.

특히 빠르게 변화하는 시장 환경에서는 데이터가 부족한 것이 아닌 데이터를 바탕으로 ‘문제’를 찾고, 이것을 ‘행동’으로 전환하는 과정에서 많은 어려움이 발생합니다.

‍

앰플리튜드는 이러한 문제를 해결하기 위해 AI Agents를 출시했습니다. Amplitude AI Agents는 단순히 데이터를 시각화하거나 인사이트를 제공하는 도구를 넘어, 문제를 발견하고 원인을 분석하며 다음 단계를 제안하는 역할을 수행합니다.

‍지금부터 앰플리튜드의 새로운 기능, Amplitude AI Agents를 알아보겠습니다.
‍

‍

무엇을 해야 하는지 제안하는 Amplitude AI Agents

기존의 분석 도구가 '무엇이 일어났는지'를 보여주는 데 집중했다면, Amplitude AI Agents는 '무엇을 해야 하는지'까지 제안합니다.

‍
Amplitude AI Agents는 웹사이트 전환율 향상, 온보딩 경험 개선 등 팀이 달성하고자 하는 구체적인 목표를 설정할 수 있습니다.

목표 설정이 완료되면, Agents는 24시간 행동 데이터, 세션 리플레이 등 계정 전반의 데이터를 수집하고 분석합니다.

‍

이를 바탕으로, ‘인사이트’ 단계에서 근본 원인 분석을 실행하고 세션 리플레이를 검토하여 문제의 원인을 파악합니다. 이후 ‘액션’ 단계에서 A/B 테스트를 설계하거나 특정 코호트에 맞는 제품 내 가이드를 배포하는 등 구체적인 다음 단계를 제안합니다.

‍

Amplitude AI Agents와 타 에이전트의 차이점

Amplitude AI Agents는 다른 AI 도구와 명확한 차이가 있습니다.
‍

대부분의 분석 도구는 AI 기반 인사이트와 권장 사항을 제공한 후 다음 단계를 ‘사용자’에게 맡깁니다. 실행과 의사결정 권한이 사람에게 있는 것이죠.

하지만 Amplitude AI Agents는 인사이트 도출을 넘어 실질적인 행동을 수행할 수 있도록 설계되어있습니다.

Amplitude AI Agents는 이런 차별점을 바탕으로, 팀에 대한 지식과 실제 업무 사이의 격차를 줄여줍니다.

‍

지식과 실행의 격차를 줄이는 데이터 분석의 시작

여전히 많은 팀이 아래와 같은 고민을 안고 있습니다.
하지만 Amplitude AI Agents는 지식과 실행 사이의 격차를 줄여 이 고민들을 해결해줍니다.

"데이터는 있지만 이를 활용할 시간이 없다"
‍
"데이터 속에 인사이트가 있다는 것을 알지만 파헤칠 여유가 없다",
‍
"데이터 중심적인 조직이 되고 싶지만 분석 인력이 부족하다"

이를 통해 팀은 전략적 우선순위에 집중하고, AI Agents는 여러 가설을 테스트하며 비즈니스 KPI 달성에 적합한 인사이트를 도출할 수 있습니다.

더 이상 ‘인사이트’에서 끝나는 것이 아닌 ‘실행’으로 이어지는 데이터 분석을 시작해보세요.

‍

Amplitude AI Agents를 사용해보고 싶다면?

마티니는 앰플리튜드의 공식 파트너로서, 고객사가 AI Agents를 포함한 앰플리튜드의 기능을 효과적으로 활용할 수 있도록 지원하고 있습니다.

지금 아래 버튼을 눌러 마티니에게 도움을 받아보세요.
‍

앰플리튜드 도입을 검토하고 있다면? 앰플리튜드를 통해 제품 분석의 새로운 가능성을 경험하고 싶다면, 지금 바로 마티니와 만나보세요. 컨설팅 문의하기 마티니 더 알아보기

‍

BrazeAI Decisioning Studio™

지난 BrazeAI 신규 기능 소개에서 BrazeAI Decisioning Studio™를 소개드렸었습니다. BrazeAI Decisioning Studio™는 유저 행동 데이터를 바탕으로 적합한 메시지, 발송시간, 개인화 등 CRM 메시지에 필요한 모든 요소를 스스로 의사결정하는 신규 기능입니다.

AI가 직접 의사결정을 내림에 따라 A/B 테스팅, 개인화 구현, 목표 최적화 등에 들이는 시간을 최소화하고, 더 높은 성과까지 기대할 수 있습니다.

이번 릴리즈 노트에는 BrazeAI Decisioning Studio™를 사용하기 위한 가이드 문서가 업데이트되었습니다. 가이드 문서에는 연동, 에이전트 활용, 리포트 확인 관련 내용이 추가되었으며, 링크에서 확인하실 수 있습니다.

앞으로 AI를 활용한 CRM 마케팅이 마케터의 업무와 필요 역량에 큰 변화를 가져올 것으로 예상되니, 미리 파악해두시면 좋을 것 같습니다.

‍

신규 채널 활용 준비: RCS, Line

올해 브레이즈는 WhatsApp을 비롯하여 RCS, Line등 신규 채널 추가에 힘쓰고 있습니다. 이번 업데이트에서는 새롭게 추가된 RCS, Line에 대한 클릭, 발송 등 메시지 상호작용 관련 데이터도 Currents로 데이터를 전송할 수 있도록 추가되었습니다.

특히, 한국에서는 문자 대비 비용 효율이 좋고, 보다 양방향 소통이 가능한 채널인 RCS 활용량이 증가할 것으로 기대되는데요. 브레이즈에서 RCS가 신규 기능으로 출시되고 그에 대한 데이터 연결까지 수월해져, 브레이즈를 통한 RCS 메시지가 더욱 중요해질 것 같습니다.

‍

메시지 피로도 관리 도구: Suppression List

CRM 마케터라면 모든 캠페인에 매 번 필터링으로 특정 유저들을 타겟에서 제외하거나, Frequency에 대한 고민을 가진 경험이 있으실텐데요. 이제는 Suppression List를 활용하여 편리하게 이 고민을 해결할 수 있습니다.

Suppression List는 특정한 세그먼트를 설정하여, 해당 세그먼트는 아무런 메시지도 받지 않도록 하는 기능입니다. 기존의 베타버전에서 General Access 버전으로 정식 출시되었습니다.

Suppresion List에 특정 유저들을 의도적으로 메시지 수신 대상에서 제외하거나, 메시지의 노이지함을 막기 위해 N일 내 메시지 열어본 사람을 대상에서 제외하는 등 다양한 조건을 적용할 수 있습니다.

‍

데이터 수집 없이 즉각적인 개인화 반영

제로카피 개인화(Zero-copy Personalization)는 별도로 브레이즈 내에 데이터 수집 과정을 거치지 않고 즉시 개인화에 데이터를 사용하는 방법입니다. 데이터 수집 과정이 없기 때문에 개발의 편리함도 챙길 수 있고, 동시에 Datapoint나 보안 문제 등으로부터 상대적으로 자유로워질 수 있습니다.

이제 브레이즈 캔버스(Canvas)에서 CDI(Cloud Data Ingestion)를 이용하여 DW에 수집된 데이터를 브레이즈로 보내어 데이터 저장 없이 개인화에 사용할 수 있습니다.

아직은 얼리 액세스 단계로, 사용을 위해서는 리셀러를 통해 오픈 요청을 해야하는 단계이며, 상세한 사용 방법은 링크를 통해 확인하실 수 있습니다.

서비스가 복잡해질수록 데이터 분석이 어려운 이유

상품을 검색하고, 클릭하고, 장바구니에 담고, 결제하기까지. 고객의 쇼핑 여정은 몇 번의 클릭으로, ‘정말 단순하게’ 끝나는 것처럼 보입니다.

하지만 그 짧은 순간 안에는 수십 개의 화면 전환과 수백 개의 기능, 그리고 그보다 더 많은 데이터의 흐름이 얽혀있습니다.

‍

아직도 많은 팀이 이 복잡함을 과소평가한 채 택소노미(Taxonomy)를 설계하거나 이벤트를 수집하기 시작합니다. 그 결과, '데이터 분석' 단계에서 어려움을 호소하시는 분들이 많습니다.

“이 이벤트는 정확히 어디서 발생한 거지?”

“정의된 경로 외에 다른 트리거 포인트가 있나?”

‍

이런 질문은 서비스가 고도화될수록 더 자주 발생합니다. UI·UX가 개편될 때마다 예외 케이스가 생기고, 처음 정의했던 이벤트 구조는 점점 흔들립니다. 결국 데이터 정리는 계속 밀리고, 어느 순간 서비스 변화의 속도를 따라잡지 못하는 악순환에 빠지게 됩니다.

‍

이러한 악순환을 줄이고 서비스 전체의 맥락 속에서 데이터를 이해하기 위해 필요한 첫 번째 단계가 바로 IA(Information Architecture, 정보 구조도) 설계입니다. 이번 글에서는 IA가 데이터 분석에서 왜 중요한지 알아보겠습니다.

‍

‍

‍

IA(Information Architecture,정보 구조도)란?

‍IA(Information Architecture)는 보통 서비스 개발 전 기획 단계에서 사용됩니다.

이는 웹이나 앱 안에 존재하는 수많은 화면, 버튼, 기능을 한눈에 볼 수 있도록 체계적으로 정리한 서비스의 지도이자 목차라고 볼 수 있습니다.

이 단계에서는 서비스의 전체 구조를 체계적으로 정리하고, 각 페이지와 기능을 계층적으로 정의하는 데 중점을 둡니다.

이렇게 정의된 IA는 와이어프레임과 유저 플로우 설계와 연결되어 발전시킬 수 있는데요.

‍와이어프레임(Wireframe)이 실제 화면을 기준으로 사용자의 이동 경로를 보여준다면, IA는 그보다 한 단계 위에서 서비스 전체의 계층별 구조를 보여주는 설계도 역할을 합니다.

결국 서비스 구조를 먼저 이해해야만 사용자가 거치는 모든 여정과 흐름을 온전히 파악할 수 있습니다.

‍

‍

IA가 데이터 분석의 출발점인 이유 3가지

그렇다면, 이미 서비스가 출시된 상황에서 다시 IA를 그린다는 건 어떤 의미일까요? 단순히 구조를 정리하거나 문서를 업데이트하기 위한 작업일까요? 사실 그렇지 않습니다.

‍

데이터 분석은 결국 '사용자가 어떤 화면에서 어떤 행동을 했는가'를 해석하는 일입니다. 서비스 구조를 파악하지 않은 채 데이터를 분석하면, 이벤트는 맥락을 잃고 분석은 반복적으로 막힙니다.

‍

IA가 데이터 분석의 출발점인 이유는 명확합니다. 모든 분석의 기준점이 되기 때문입니다. 이제 왜 중요한지, 세 가지로 나눠 알아보겠습니다.

‍

1. 이벤트 구조를 매핑하기 위한 기준이 된다

‍

데이터 분석에서 가장 중요한 질문은 이것입니다.

"이 이벤트가 어디서, 어떤 맥락에서 발생했는가?"

‍

IA를 기준으로 각 화면과 기능을 정리해두면, 어떤 페이지에서 어떤 이벤트가 발생해야 하는지를 명확히 정의할 수 있습니다. 즉, IA는 이벤트 매핑의 기준점이 됩니다.

‍

이 기준점이 있으면 분석가는 데이터의 맥락을 잃지 않고, 이벤트가 누락되거나 중복 수집되는 지점을 빠르게 찾아낼 수 있습니다. 문제를 발견하는 시간이 줄어들고, 분석은 더 정확해집니다.

‍

2. 퍼널 분석의 정확도를 높인다

커머스 유저 여정은 단순해 보이지만 꽤 복잡합니다.

일반적인 홈 → 검색 → 상품 상세 → 장바구니 → 주문/결제라는 프로세스에 속하지 않는 예외 케이스와 변형 경로가 많기 때문입니다.

‍

이때 IA로 전체 구조를 보면, 각 단계의 전환과 이탈 지점을 구조적으로 파악할 수 있습니다.

위 사진은 커머스 서비스를 시각화한 IA 예시입니다. 모든 흐름을 한눈에 파악할 수 있습니다.

‍

이처럼 각 화면에서 발생해야 하는 이벤트를 미리 정의해두면, 실제 분석 단계에서 '이 이벤트가 어디서 왔는지' 명확히 정의할 수 있습니다. 또한 서비스가 개편되어도 IA를 기준으로 변경 사항을 추적할 수 있어, 데이터 구조의 일관성을 유지할 수 있습니다.

‍

이처럼 복잡한 사용자 여정 과정을 수반하는 대규모 서비스일수록, IA 설계를 통해 퍼널 설계의 정확도를 높이고 전환율 최적화나 리텐션 분석의 토대를 마련할 수 있습니다.

‍

3. 데이터 거버넌스와 유지보수 효율을 높인다

서비스가 커질수록 이벤트와 프로퍼티는 점점 복잡해집니다.

‍

이때 IA는 전체 서비스의 지도 역할을 합니다. 어떤 화면이 어떤 기능과 연결되는지, 새로운 기능이 추가되면 어디에서 구조가 변하는지를 IA를 통해 빠르게 파악할 수 있습니다.

‍

이런 구조적 기준이 있으면, 이벤트 네이밍, 프로퍼티 정의, 페이지 기준 등 데이터 표준화 작업을 쉽게 검증할 수 있습니다. 결국 IA는 단순한 설계 문서를 넘어, 데이터 분석 유지보수 비용을 줄이는 강력한 도구가 됩니다.

‍

IA는 데이터 구조 설계의 미래를 위한 투자

서비스가 커질수록 '어디서 문제가 생겼는지', '이 이벤트가 정확히 어디서 발생했는지'를 빠르게 파악하는 기준이 필요합니다. IA는 바로 그 기준을 만들어주는 작업입니다.

‍

IA를 통해 서비스 흐름을 구조적으로 정리하면, 이벤트 수집 지점을 명확히 파악할 수 있고, 퍼널 설계와 데이터 분석의 정확도를 높일 수 있습니다. 더 나아가 팀 간 커뮤니케이션 비용을 줄이고, 데이터 거버넌스 체계를 탄탄하게 만들 수 있습니다.

‍

결국 IA 설계는 '지금 당장의 효율'을 위한 일이 아닌, 장기적으로 데이터 분석 비용을 줄이기 위한 투자입니다. ‘지속 가능한 데이터 분석 환경' 구축을 시작하고 싶다면, 지금 바로 마티니와 만나보세요.

‍

데이터 분석환경 구축을 위한 전문가의 도움이 필요하다면? 지금 아래 버튼을 눌러 마티니에게 도움을 받아보세요. 컨설팅 문의하기 마티니 더 알아보기

‍

고객을 이름으로 부른다고 해서 개인화라고 할 수 있을까?

‘안녕하세요, {이름} 님’에 그치던 개인화는 발전을 거듭했습니다. 현대의 소비자들은 자신이 누구인지, 무엇에 관심이 있는지, 현재 어떤 위치에 있는지 반영하는 경험을 기대합니다. 결국, 이러한 기대를 충족하는 브랜드가 경쟁에서 우위를 점할 수 있습니다.

‍

성공적인 개인화를 위한 전제 조건

개인화를 위해서는 ‘개인화’를 위해 필요한 데이터가 제대로 수집되어야 합니다. 수집된 데이터는 세그먼트 구성부터 메시지에 이르기까지 다양하게 활용됩니다. 정확한 데이터가 수집될 때, 보다 효과적인 개인화가 가능해집니다.

이 때 활용하는 것이 이벤트 택소노미(Event Taxonomy)입니다. 이벤트 택소노미는 앞으로 수집할 데이터의 설계도 역할을 합니다.

‍

개인화 엔진에서 활용하는 데이터

개인화 플랫폼은 고객이 명시적으로 제공하는 데이터인 제로 파티 데이터(Zero Party Data)부터, 이벤트 택소노미를 기반으로 쌓인 서드 파티 데이터(3rd Party Data)에 이르기까지 다양한 고객 데이터 소스를 활용합니다.

위에서 소개한 예시 외에도 다음과 같은 데이터를 개인화 플랫폼에서 활용할 수 있습니다.

‍

Q. 꼭 실시간 데이터를 활용해야 할까요?

고도화된 개인화를 위해서는 과거의 데이터가 아닌 ‘현재의 데이터’가 필요합니다. 실시간 데이터 동기화, 이벤트 스트리밍, 오픈 API를 브레이즈와 결합하여 수준 높은 개인화 캠페인을 구현해 보세요.

실시간 데이터를 활용하면 다음과 같은 이점이 있습니다.

‍

다양한 데이터를 활용하는 개인화 캠페인 사례

1. 장바구니 상품 기반 크로스셀링 유도

장바구니에 담긴 상품 정보를 활용하여 크로스셀링을 유도하는 인앱 메시지(IAM) 사례입니다. 유저가 상품을 장바구니에 담았을 때 즉각적으로 노출하여, 연관 상품을 함께 구매할 수 있도록 합니다. 장바구니에 담긴 상품 이름, 이미지를 비롯해 하루동안 연관 상품을 구매한 사람 수를 함께 노출하여 동조 심리를 자극합니다.

‍

2. 유저에게 발급된 쿠폰 사용 유도

유저에게 발급된 쿠폰 정보를 활용한 캠페인 사례입니다. 실제 발급된 쿠폰 이름을 메시지에 활용하고, 소멸 시점을 함께 안내해 구매를 유도할 수 있습니다. 이와 같은 개인화 캠페인은 메시지뿐만 아니라 발송 시점에도 개인화를 활용하여 각 유저별로 쿠폰 만료일이 도래했을 때 메시지가 자동으로 발송되도록 설정할 수 있습니다.

‍

3. 실시간 정보 활용 구매 유도

API를 활용해 실시간으로 불러오는 데이터는 개인화에 활용할 때 강력한 효과를 발휘합니다. 고객이 위시리스트에 넣어뒀거나, 장바구니에 추가한 상품 데이터를 바탕으로 실시간 할인 정보를 제공할 수 있습니다. 실제 고객이 구매 의사를 가지고 있는 상품을 활용하고, 시간/혜택 등이 한정되어 있다는 점으로 손실회피 경향을 자극해  높은 전환 성과를 기대할 수 있습니다.

‍

개인화를 넘어선 개인화: BrazeAI Decisioning Studio

브레이즈는 조건별 개인화를 넘어, 1:1 개인화 시대를 만들어 나가고 있습니다. AI를 활용해 개별 유저에게 발송되는 메시지, 채널, 발송 시간까지. BrazeAI^TM와 함께 활용할 수 있는 모든 데이터를 활용해 개인화 그 이상의 개인화를 구현해 보세요.

유저 맞춤형 CRM 마케팅, 브레이즈 부트캠프로 시작해보세요.
‍

혹시 브레이즈를 도입했지만, 개인화 기능을 제대로 활용하지 못하고 있다고 느끼지는 않나요? 지금 마티니 브레이즈 부트캠프 에서 실무에 바로 적용 가능한 Personalization 전략을 배울 수 있습니다.

‍

CRM 캠페인의 성과를 결정짓는 핵심은 고객 데이터를 어떻게 활용하느냐에 달려 있습니다.

이번 부트캠프는 Braze Certification을 보유하고 다수의 엔터프라이즈 CRM 마케팅을 실행해 온 전문가가 직접 진행하며, 고객 행동과 속성 데이터를 기반으로 한 메시지 설계부터 실시간 데이터 반영, 추천엔진 결합까지 실무 중심의 노하우를 전달합니다.

‍

‍

Braze Bootcamp 신청 바로가기

🔗 이벤터스 신청 페이지 | https://event-us.kr/m/115003/43753
‍

‍

안내사항

• 신청 시 기입한 이메일이 회사 계정이 아닌 경우 선정이 불가합니다.
• 참가 인원이 한정되어 있어 별도로 참석 확정 연락을 드릴 예정입니다.
• 브레이즈 실습 과정이 포함된 교육으로 개인 노트북 지참이 필요합니다.
• 부트캠프 참여자에 한해 브레이즈 공식 굿즈가 제공됩니다.
• 다시 보기 및 강의 자료가 별도 제공되지 않습니다.
• 주차권이 제공되지 않습니다. 양해 부탁드립니다.

‍

Contact

mkt@martinee.io

‍

지금 CRM 전문가와 함께, 브레이즈 부트캠프에서 고객 맞춤형 CRM 마케팅을 시작해 보세요!

‍

‍

CRM 마케터를 위한 Marketing AI 전략 소개

브레이즈는 최근 AI 기반 CRM 마케팅 개인화 서비스를 제공하는 오퍼핏(OfferFit)을 인수했습니다. 이를 통해 Braze AI Decisioning Studio 조직을 새롭게 구성하며, AI CRM으로서의 역량을 강화하고 있습니다.

‍

올해 Braze Forge 2025에서는 이러한 변화가 더욱 명확히 드러났습니다. 신규 기능 대부분이 AI와 관련되어 있었고, 주요 세션들도 AI를 중심으로 진행되었습니다. 이러한 흐름은 CRM 마케팅 환경이 빠르게 변화하고 있음을 보여줍니다. AI를 활용한 개인화와 자동화는 이제 선택이 아닌 필수가 되고 있습니다.

‍

그렇다면 CRM 마케터는 어떻게 AI를 효과적으로 활용하고, 성과를 극대화 할 수 있을까요? 이번 아티클에서는 Braze Forge 2025의 내용을 바탕으로, CRM 마케터의 AI 활용 전략을 살펴보겠습니다.

‍

‍

브레이즈로 보는 마케팅 AI의 네 가지 기능

혹시 AI를 활용하면서 기대와 다른 결과로 인해 오히려 더 많은 리소스를 소모한 경험이 있지 않나요? 실제로 한 글로벌연구에 따르면, 약 60%의 마케터들이 AI 도입 후 생각보다 성과가 개선되지 않거나 약화되었다고 응답했습니다.

이러한 상황을 방지하려면 AI가 마케팅에서 어떤 역할을 수행할 수 있는지 명확히 이해해야 합니다. BrazeAI Decisioning Studio 리더인 George Khachatryan은 Forge 2025에서 AI의 기능을 다음과 같이 정의했습니다.

‍

‍

생성 (Generative AI)

ChatGPT, Claude 등 LLM(Large Language Model)의 대표적인 방법입니다.

이탈 예상 고객을 붙잡을만한 카피 작성해 줘.

이 방법은 AI 토큰 단위로 텍스트를 이해하고 처리하며, 기존 문맥을 토대로 원하는 요구사항에 맞게 업무를 처리할 수 있습니다. 마케팅에서는 AI를 활용한 카피라이팅, 이미지 제작, 세그먼트 쿼리 작성 등이 생성형 타입의 머신러닝 형태에 해당됩니다.

브레이즈는 AI Copywriting, AI Image Generator, AI Query Builder 등의 기능을 통해 생성형 AI를 제공합니다. 추가로 SQL Segment Extensions와 Liquid Assistant 기능도 마케터가 복잡한 작업을 쉽게 처리할 수 있도록 돕습니다.

‍

예측 (Prediction)

유저가 이미 수행했던 과거의 행동 데이터를 바탕으로 미래의 행동을 예측하는 방법입니다.

이 유저가 재구매를 할까?

예측을 위한 머신러닝은 '예' 또는 '아니오'처럼 명확한 답이 있는 질문에 적합합니다. "이 주식 가격이 오를까?", "내일 비가 올까?"와 같은 질문이 대표적인 예입니다. 마케팅에서는 이미 특정 행동을 수행한 유저들의 데이터를 학습합니다.

‍

예를 들어, 과거에 이탈한 유저들과 구매한 유저들의 행동 패턴을 분석하여, 현재 유저 중 '이탈할 가능성이 높은 유저'나 '구매할 가능성이 높은 유저'를 예측합니다.

‍

브레이즈는 이러한 예측기능을 제공합니다. Predictive Churn은 유저의 이탈 가능성을 예측하고, Predictive Events는 특정 전환 행동(구매, 가입 등)이 발생할 가능성을 예측합니다. 두 기능 모두 유저의 과거 행동 데이터를 학습하여 미래를 예측하는 방식으로 작동합니다.

‍

패턴매칭 (Pattern Matching)

패턴매칭은 유저의 행동에서 특정 패턴을 찾아내는 머신러닝 방법입니다.

메시지를 몇 시에 보내는게 좋을까?

예측과 마찬가지로 유저의 과거 행동 데이터를 분석하지만, 명확한 정답이 정해져 있지 않다는 점에서 차이가 있습니다. '예' 또는 '아니오'로 답하는 대신, "이 유저는 오후 7시에 푸시 알림을 가장 잘 확인한다"처럼 구체적인 패턴을 찾아냅니다.

‍

마케팅에서는 전환한 유저와 행동 패턴이 유사한 타겟을 찾는 유사타겟(Lookalike) 분석이나, 비즈니스 성장을 이끄는 핵심 지표인 북극성지표를 발굴하는 데 활용됩니다.

‍

브레이즈는 이러한 패턴매칭 기능을 Intelligence Suite로 제공합니다. Intelligent Timing은 유저별 최적의 메시지 발송 시간을, Intelligent Selection은 가장 효과적인 메시지 변형을, Channel Filter는 유저가 선호하는 채널을 학습하여 제안합니다.

‍

의사결정 (Decisioning)

사람이 아닌 AI가 의사결정을 하게 만드는 것이 목표입니다.

지금 우리는 무엇을 해야할까?

앞서 살펴본 예측, 패턴매칭, 생성형 AI는 모두 결과물을 제시하고 최종 의사결정은 사람이 내린다는 공통점이 있었습니다. 반면 의사결정형 AI는 설정된 KPI를 최적화하기 위해 스스로 판단하고 행동할 수 있습니다.

‍

마케팅에서는 개인화와 상품 추천에 주로 활용할 수 있습니다. 어떤 유저에게 어떤 메시지를 보낼지, 어떤 제품을 추천할지, 심지어 메시지를 보낼지 말지까지 AI가 직접 결정합니다.

‍

브레이즈는 이러한 의사결정형 AI를 여러 기능으로 제공합니다. 이번에 새롭게 공개된 AI Decisioning Studio와 AI Agent Console을 비롯해, AI Recommendation 기능을 통해 고객 데이터 기반의 AI 기반 의사결정을 실행할 수 있습니다.

‍

CRM 마케팅에서의 AI 활용 전략 3단계

그렇다면 CRM 마케터들은 어떻게 활용 수준을 파악하고, 더 적극적으로 AI를 활용할 수 있을까요? CRM 마케팅을 위한 AI 활용 전략은 크게 세 단계로 구분할 수 있습니다.

‍

Generation 1

AI를 사용하지 않거나 생성형 AI만 일부 쓰는 경우

AI를 전혀 사용하지 않거나, 생성형 AI만 제한적으로 활용하는 경우 해당되는 단계입니다. 이 단계에서는 분석, 콘텐츠 생성, 의사결정의 부분에서 대부분을 사람이 직접 수행하기 때문에 작업 속도가 느립니다.

‍

Generation 2

생성형 AI로 생성·예측·패턴 분석을 하지만, 최종 의사결정은 사람이 수행하는 경우

생성형 AI, 예측 모델, 패턴매칭을 활용하지만 최종 의사결정은 사람이 수행하는 단계입니다.

의사결정을 위한 분석과 실행 과정에서 효율이 크게 향상됩니다. 다만, 분석 결과를 바탕으로 한 룰 기반 개인화가 이루어질 뿐, 진정한 1:1 매칭 개인화라고 보기는 어렵습니다.

‍

Generation 3

모든 의사결정을 AI 기반으로 진행하는 경우

생성, 예측 모델, 패턴 매칭에 더불어 AI의 의사결정까지 활용하는 경우 해당되는 단계입니다. 모든 유저의 개별 데이터를 바탕으로 분석하고 의사결정을 내리기 때문에, 진정한 1:1 개인화가 가능합니다.

‍

이 단계에서는 모든 과정이 AI를 통해 자동화되어 훨씬 빠르고 유연하게 대응할 수 있습니다. 마케터는 AI가 학습하고 의사결정을 내릴 수 있도록 방향성과 전략을 제시하는 지휘자 역할을 하게 됩니다. 반복 작업에서 벗어나 더 상위 차원의 업무를 수행하며, 결과적으로 유저의 만족도를 높일 수 있습니다.

‍

‍

앞으로의 CRM 마케팅과 AI

몇 년 전 '자동화'와 '개인화'는 CRM 마케팅의 패러다임을 바꾸며, 마케터의 업무 방식과 핵심 역량을 완전히 새롭게 정의했습니다. 앞으로 AI를 통해 수행할 수 있는 CRM 마케팅 업무는 더욱 다양해질 것입니다.

‍

이는 CRM 마케팅이 비즈니스에 미치는 영향력이 더욱 커진다는 의미입니다. 따라서 마케터의 역할도 변화할 것으로 예상됩니다. 마케터는 실행 중심의 업무보다는 메시지 구성, 타겟 설정, 발송 시점 결정과 같은 전략 수립에 집중하게 될 것입니다. 주어진 리소스를 효율적으로 배분하는 역할이 더욱 중요해질 것입니다.

브레이즈는 이러한 변화에 대응하기 위해 AI 기능을 지속적으로 강화하고 있습니다. 마케팅 AI를 활용해 마케팅 업무를 효율화하고, 성과를 내는 본질에 집중하고 싶다면 지금 바로 마티니에 문의해 보세요.

‍

성과를 내는 CRM, BrazeAI 솔루션이 궁금하다면? 지금 아래 버튼을 눌러 브레이즈 전문가 마티니에게 도움을 받아보세요. 컨설팅 문의하기 BrazeAI 더 알아보기

사실 브레이즈에는 기존에도 CRM 업무 효율성을 높이고, 더 높은 성과를 가져오는 다양한 AI 기능들이 존재했습니다.

이번에는 기존에 존재했던 BrazeAI 기능들을 정리하겠습니다.

‍

신규 기능 전에 알아야 할 Braze의 기존 AI 기능들

Intelligence Suite

유저 행동 패턴에 따른 최적의 메시지 선택

Intelligence Suite는 고객의 기존 데이터를 바탕으로 패턴을 예측하여 메시지에 적용할 수 있는 기능입니다.

기존에 개별 유저들이 어떤 채널에 잘 반응하는지, 몇 시에 주로 메시지를 열어보는지 패턴을 분석합니다. 분석한 내용에 따라 ‘앱푸시(App Push)에 자주 반응 하는 그룹’ 처럼 타겟팅에 활용하거나, 개별 유저가 잘 반응 하는 시간에 메시지를 개별 발송 할 수도 있습니다.

Intelligence Suite에 포함되는 상세한 기능들은 아래와 같습니다.

• Intelligent Selection : AI가 퍼포먼스가 가장 우수한 Variant의 메시지로 노출시킵니다.
• Intelligent Timing : 유저별로 메시지에 가장 잘 반응하는 시간대에 메시지를 발송합니다.
• Channel Filter : 유저가 잘 반응하는 채널을 타겟합니다.

‍

Predictive Suite

유저의 행동을 예측

Predictive Suite는 유저의 기존 행동 데이터를 토대로 다음의 행동을 예측하는 기능입니다. BrazeAI에는 크게 두 가지의 예측 모델이 존재합니다.

• Predictive Churn : 이탈 가능성이 높은 유저를 정의하고, 이탈 위험도를 관리하며 타겟에 활용합니다.
• Predictive Events : 원하는 목표 이벤트를 정의하고, 해당 이벤트를 수행할 가능성이 높은 유저를 타겟합니다.

Predictive Churn을 활용하여 이탈 예상 유저, 이탈 위험군 유저를 타겟하여 스페셜 오퍼를 제공하는 등 이탈 방지 캠페인에 활용할 수 있습니다. 반면 Predictive Events는 재구매 가능성이 높은 사람들을 타겟하거나, 카카오/문자 같은 유료채널을 구매 가능성이 높은 유저위주로 발송하여 비용 효율화에도 사용할 수 있습니다.

‍

AI Recommendation

가장 효과적인 구매 유도 도구

상품추천 기능은 유저의 구매를 이끌어내기에 아주 효율적인 도구입니다. 다만, 상품추천을 하기 위한 엔진 개발이 마케터에게는 굉장히 어려운 일인데요. BrazeAI의 AI Recommendation을 활용하면 다양한 추천 엔진을 CRM 메시지에 활용할 수 있습니다.

상품추천은 유저의 구매 여정을 돕는 일종의 가이드 역할도 하기 때문에, CRM 자동화 캠페인에서 꼭 활용해보시길 권장드립니다.

‍

Generative AI

마케팅 생산성의 극대화

AI Copywriting Assistant

브레이즈의 캠페인 셋팅 화면에서 즉시 메시지 카피를 생성하고 적용할 수 있습니다. 언어 뿐만 아니라 대략적인 문장 길이와 메시지 톤까지 설정할 수 있어 활용도를 높일 수 있습니다.

‍

AI Image Generator

브레이즈 대시보드 내에서 DALL·E 3를 활용하여 이미지를 생성할 수 있습니다.

이미지 생성을 위한 가이드를 입력한 이후, 생성된 이미지 내에서 원하는 이미지를 선택하여 메시지에 즉각 활용할 수 있습니다.

‍

AI Content QA

기존 유저에게 발송되는 CRM 메시지의 특성상, 잘못된 메시지 발송의 리스크는 타 마케팅 대비 더 크다고 볼 수 있습니다.

그러나 BrazeAI의 Content QA를 활용하면 오탈자 검수, 문법 체크, 문체 조정 등 메시지에서 발생할 수 있는 리스크를 관리할 수 있습니다.

‍

AI Liquid Assistant

Liquid는 브레이즈에서 다양한 개인화를 가능하게 하는 효과적인 도구입니다. 그러나 처음에는 배우고 활용하기 어렵다는 문제가 존재하는데요. AI Liquid Assistant를 활용하면 자연어로 질문하고, 완성된 Liquid 구문을 받을 수 있습니다.

‍

AI Query Builder

브레이즈의 Query Builder는 재구매 주기 파악, 연관 상품 분석 등 CRM 캠페인을 위한 분석을 확장해주는 유용한 도구입니다. SQL Query Builder에서도 AI를 활용하여 원하는 분석을 위한 쿼리를 제작할 수 있습니다.

‍

SQL Segment Extensions

Segment Extension은 Query Builder와 유사하게 쿼리문을 작성해서 활용합니다. Query Builder가 분석을 위한 도구라면, Segment Extension은 쿼리의 결과에 해당하는 유저들을 바로 캠페인의 타겟으로 활용할 수 있게 해줍니다.

AI SQL Generator를 활용하여 SQL Segment Extensions 활용을 위한 쿼리문을 간편하게 제작할 수 있습니다.

‍

CRM의 영향력을 높이는 BrazeAI

다음 콘텐츠에서는 CRM 마케팅에서 AI가 어떤 식으로 활용될 수 있을지, Forge 2025에서 공개된 내용을 바탕으로 개념을 정리하고 활용 사례를 공유드리고자 합니다.

‍

Braze Forge 2025

마티니는 Braze팀의 공식 초청을 받아 지난 9월 28일부터 10월 1일까지, 샌프란시스코에서 열린 forge-2025에 참석했습니다.

‍

Braze Forge는 매년 전 세계 마케터와 CRM 전문가들이 모이는 Braze의 대표 글로벌 이벤트로, 최신 프로덕트 업데이트와 실무 중심의 CRM 마케팅 인사이트가 공유되는 자리입니다. 이번 2025년 행사에서 가장 주목받은 키워드는 바로 BrazeAI였습니다.

‍

현장에서는 BrazeAI에 새롭게 추가된 기능들을 바탕으로, 네트워킹 현장 곳곳에서 신규 기능에 대한 열띤 논의가 이어졌는데요. 이번 글에서는 Braze Forge 2025에서 공개된 BrazeAI의 주요 신규 기능을 자세히 살펴보겠습니다.

‍

BrazeAI 신규 기능

‍

‍

BrazeAI Decisioning Studio

AI가 주도하는 마케팅 의사결정

이번 Forge에서 공개된 신규 AI 기능 중 가장 큰 주목을 받은 기능은 BrazeAI Decisioning Studio입니다. AI를 활용해 생성, 예측 등에 그치지 않고 스스로 ‘의사결정’까지 가능하게 합니다.

‍

기존의 자동화, 개인화는 결정적인 한계가 있었습니다. 모든 의사결정을 사람이 직접 내려야 했기 때문입니다. A/B 테스트를 반복하고, 세그먼트별로 전략을 설계하고, 타이밍과 메시지를 조율하는 과정은 많은 시간과 리소스를 소모합니다. 게다가 계속 누적되는 유저 행동 데이터를 실시간으로 반영하기란 사실상 불가능했습니다.

‍

하지만 BrazeAI Decisioning Studio는 이 한계를 넘어섭니다. 유저의 행동 데이터를 기반으로 발송 시간, 할인율, 개인화 요소 등 CRM 마케팅의 핵심 의사결정을 AI가 실시간으로 처리합니다.

‍

기존 규칙 기반 개인화를 넘어 완벽한 1:1 개인화까지 가능해지면서, 브레이즈는 CRM 마케팅에서 더욱 강력한 도구로 자리잡게 될 것으로 예상됩니다.

‍

‍

BrazeAI Operator

언제든지 조언을 구할 수 있는 AI 기반의 CRM 마케팅 파트너

BrazeAI Operator는 챗봇 형태로 구성이 되어 있으며, Braze 대시보드 내 어디에서든 자유롭게 사용이 가능합니다. 자연어로 요구사항을 입력하면, BrazeAI에서 그에 대한 응답을 제공하고 대시보드내 실제 반영까지 가능합니다.

BrazeAI Operator를 활용하는 다양한 예시는 다음과 같습니다.

• 캠페인 아이디어를 자연어로 입력하여 실제 대시보드 내 셋팅까지 구현
• 복잡한 Liquid 활용이나 Custom HTML, Query 등을 작성 및 반영
• CRM 캠페인의 성과 분석
• 자연어를 이용한 세그먼트, 리포트 등의 생성

BrazeAI Operator의 가장 큰 차별점은 AI가 제안만 하는 것이 아니라, 대시보드 내에서 직접 실행까지 연결된다는 점입니다. 지금 AI의 의견을 반영하여, 바로 고객에게 적합한 메시지를 기획해보세요.

‍

‍

‍

BrazeAI Agent Console

자사 비즈니스 데이터 기반의 맞춤형 CRM AI

BrazeAI Agent Console은 마케터가 직접 용도에 맞게 AI를 생성, 관리, 배포할 수 있는 브레이즈 내 플랫폼입니다. 별도의 엔지니어링 기술이 없어도 BrazeAI Agent Console을 이용하면 몇 번의 클릭 만으로 AI를 생성하고, 학습시킬 수 있습니다.

이 기능은 마케터가 기술적 배경 없이도 AI를 생성하고 자사 데이터로 학습시킬 수 있습니다. 또한 기존 AI 기능처럼 프롬프트에 의존하는 단순 챗봇이 아닌, 반복적이고 복잡한 업무를 자동으로 수행하며 전략적 업무까지 처리할 수 있을것으로 기대됩니다.

‍

‍

‍

Agent Step

전체 고객 경험을 설계하는 AI

이제 Canvas내에서도 AI를 활용한 Canvas Step을 활용할 수 있습니다. Canvas의 Agent Step은 앞서 설명한 BrazeAI Agent Console을 이용하여, AI가 직접 의사결정하고 컨텐츠를 생성할 수 있는 Step입니다.

‍

Agent Step은 크게 두 가지 용도로 활용 될 수 있습니다.

‍

의사결정:

기존 유저 데이터와 문맥을 읽고, 직접 의사결정을 통해 해당 유저를 Canvas내에서 스코어링합니다. 해당 스코어를 바탕으로 유저를 다음 Step으로 보내거나, Canvas에서 Drop시킬 수 있습니다.

‍

개인화:

개별 유저의 메시지 상호작용을 분석하여, 개인화된 메시지를 구성할 수 있습니다.

‍

‍

‍

AI-Generated Brand Guideline

브랜드의 톤&매너를 준수하는 더욱 강화된 생성형 AI

‍

AI 기반 카피라이팅 활용이 늘어나면서, 무작위한 AI 기반의 콘텐츠 형성이 아닌 브랜드 가이드라인을 준수한 콘텐츠 생성이 중요해지고 있습니다. 브레이즈는 이를 해결하기 위해 브랜드 가이드라인 기반 프롬프트 사전 설정 기능을 출시했습니다.

‍

많은 마케터들이 AI를 사용하면서 겪는 공통적인 불편함이 있습니다. "AI가 생성한 문구가 우리 브랜드 느낌이 아니라서 결국 다시 써야 한다"는 점입니다. 프롬프트를 매번 다르게 입력하거나, 생성된 결과를 일일이 검토하고 수정하는 일은 오히려 업무를 늘립니다.

‍

Braze AI의 Brandguideline 기능을 통해 브랜드 가이드라인을 미리 설정해두면, AI가 브랜드에 맞는 톤으로 메시지를 작성해줍니다.  또한 자주 쓰는 AI엔진을 Braze와 연동하여 더 쉽고 간편하게 수정 시간을 줄이고 즉시 사용 가능한 메시지를 얻을 수 있습니다.

‍

해당 기능은 현재 Global Access 단계로, 브레이즈 대시보드에서 바로 사용할 수 있습니다. 지금 Brand Guideline를 사용하여 더 쉽고 간편하게 CRM 메시지를 기획해보세요.

‍

‍

‍

CRM 마케터를 위한 AI 솔루션

Braze는 Forge 2025에서 AI로 인해 마케터 역할이 진화될 것이라고 의견을 밝혔습니다.

‍

AI 시대에서 마케터의 역할은 축소되는 것이 아니라 확장되며, 기계적인 업무에서 벗어나 전략적 지휘자로서 더 본질적인 업무에 집중하게 될 것입니다. 따라서 단순한 가속화를 넘어 업무 방식의 근본적 변화가 필요하고 부가가치가 낮은 업무는 자동화되지만, 전략 수립과 품질 관리는 여전히 인간의 영역으로 남을 것이다.

‍

이처럼 BrazeAI를 포함한 AI 기술들이 마케팅 실무에 깊숙이 스며들며, 마케터는 단순 작업을 자동화 하여 반복 작업으로부터 자유로워질 수 있을것으로 기대됩니다.

‍

AI 시대의 마케터는 전략적 지휘자로서 전략 수립, 고객 경험 설계, 브랜드 일관성 유지 같은 고차원적 업무에 집중하게 될 것입니다. 결국 AI는 마케터를 대체하는 것이 아니라, 더 본질적인 가치를 만드는 일에 몰입할 수 있도록 돕는 도구가 될 것입니다.

‍

다음 글에서는 Forge 2025에서 새롭게 공개된 신규 BrazeAI 기능 외에도 기존에 존재하던 AI 기능들에 대한 글로 찾아뵙겠습니다.

단순 반복 업무를 자동화하고, 본질에 집중하게 만드는 BrazeAI 솔루션이 궁금하다면? 지금 아래 버튼을 눌러 브레이즈 전문가 마티니에게 도움을 받아보세요. 컨설팅 문의하기 팀 마티니 더 알아보기

‍